文件名称:ssvae:半监督文本分类的变体自动编码器的代码
文件大小:485KB
文件格式:ZIP
更新时间:2024-06-01 21:59:39
Python
半监督文本分类的变体自动编码器 所有这些存储库都在标题为“用于半监督文本分类的可变自动编码器”的论文中使用。 列表: data:所有数据文件都保存在此目录中,包括数据,单词嵌入,pretrained_weights。 结果:保存结果模型的目录。 assistant_vae和avae_fixed:在VAE中使用辅助变量的模型,可以产生良好的结果。 它们的不同之处在于是否在生成中固定潜在变量。 SemiSample-S1是带有基于EMA基准的基于采样的优化器的模型 SemiSample-S2是带有VIMCO基线的基于采样的优化器的模型 笔记 该代码有点多余,因为最初的模型是使用辅助变量提出的,但是事实证明,如果没有辅助变量,它也可以很好地工作。 要运行此代码,您可能需要预处理的数据,可以通过给我发送电子邮件(pku.edu.cn上的wead_hsu)获得这些数据。 或者,您也可以使用
【文件预览】:
ssvae-master
----SemiSample-S2()
--------deep_model.py(35KB)
--------train_imdb.py(10KB)
--------train_imdb_sample.py(10KB)
--------train.py(10KB)
--------layer()
--------__init__.py(0B)
--------.idea()
--------train_ag_sample.py(10KB)
--------.gitignore(131B)
--------readme()
--------utils()
----sent-gen()
--------deep_model.py(22KB)
--------pycharm_test.py(4KB)
--------sent_gen_generator.py(4KB)
--------sent_gen_with_y.py(10KB)
--------helper_functions.py(9KB)
--------sent_gen_naive.py(9KB)
----auxiliary_vae()
--------deep_model.py(34KB)
--------generate_data.py(3KB)
--------deep_model_s.py(32KB)
--------imdb_old.py(10KB)
--------layer()
--------__init__.py(0B)
--------imdb_new.py(10KB)
--------forward_data.py(4KB)
--------analysis()
--------.gitignore(25B)
--------README.md(0B)
--------utils()
----avae_fixed()
--------deep_model-2embddings.py(35KB)
--------deep_model.py(35KB)
--------deep_model_adgm.py(32KB)
--------generate_data.py(3KB)
--------deep_model_s.py(32KB)
--------imdb_old.py(10KB)
--------deep_model-617.py(34KB)
--------layer()
--------__init__.py(0B)
--------imdb_new.py(10KB)
--------forward_data.py(4KB)
--------analysis()
--------README.md(0B)
--------utils()
----lta()
--------layer()
----SemiSample-S1()
--------models()
--------train.py(10KB)
--------layer()
--------__init__.py(0B)
--------utils()
----.gitignore(6B)
----README.md(1KB)